Utilization of Novel (KNbO3)1−x(Ba2FeNbO6)x (x = 0.1, 0.2, 0.3) Solid Solutions for Efficient Photo-Assisted Fenton Degradation of Methylene Blue Dye

Avcıoğlu, Celal; Kraus, Peter; Avcıoğlu, Suna; Müller, Julian T.; Gurlo, Aleksander; Bekheet, Maged F.

Utilization of Novel (KNbO3)1−x(Ba2FeNbO6)x (x = 0.1, 0.2, 0.3) Solid Solutions for Efficient Photo-Assisted Fenton Degradation of Methylene Blue Dye / Avcıoğlu, Celal (Rights reserved)

Zugriffsbeschränkung

Freier Zugang: Das Werk ist uneingeschränkt verfügbar.

Nutzungslizenz

Keine Nutzungslizenz vergeben - es gilt das deutsche Urheberrecht: Mit dieser Kennzeichnung versehene Werke unterliegen dem deutschen Urheberrecht. Sie dürfen diese nur mit ausdrücklicher und schriftlicher Genehmigung des Urhebers/Rechteinhabers bzw. der Urheberin/Rechteinhaberin weiterverwenden oder vervielfältigen. Sie sind für die Einhaltung der Rechtsvorschriften selbst verantwortlich und können bei Missbrauch haftbar gemacht werden. Diese Kennzeichnung wird vorsorglich auch bei Werken verwendet, bei denen die Gemeinfreiheit nicht zweifelsfrei festgestellt werden konnte. Weitere Informationen finden Sie in den Nutzungshinweisen.

Bibliografische Daten

fullscreen : Utilization of Novel (KNbO3)1−x(Ba2FeNbO6)x (x = 0.1, 0.2, 0.3) Solid Solutions for Efficient Photo-Assisted Fenton Degradation of Methylene Blue Dye / Avcıoğlu, Celal (Rights reserved)

Zugriffsbeschränkung

Freier Zugang: Das Werk ist uneingeschränkt verfügbar.

Nutzungslizenz

Keine Nutzungslizenz vergeben - es gilt das deutsche Urheberrecht: Mit dieser Kennzeichnung versehene Werke unterliegen dem deutschen Urheberrecht. Sie dürfen diese nur mit ausdrücklicher und schriftlicher Genehmigung des Urhebers/Rechteinhabers bzw. der Urheberin/Rechteinhaberin weiterverwenden oder vervielfältigen. Sie sind für die Einhaltung der Rechtsvorschriften selbst verantwortlich und können bei Missbrauch haftbar gemacht werden. Diese Kennzeichnung wird vorsorglich auch bei Werken verwendet, bei denen die Gemeinfreiheit nicht zweifelsfrei festgestellt werden konnte. Weitere Informationen finden Sie in den Nutzungshinweisen.

Dateien

Externe Ressourcen

Zeitschrift

Titel:: Journal of intelligent systems

Erschienen:: Berlin: de Gruyter

Fußnote:: Gesehen am 15.07.2021; Open Access; Namensnennung 4.0 International

Umfang:: Online-Ressource

ISSN:: 2191-026X

ZDB-ID:: 2598392-1

VÖBB-Katalog:: 35275778

Schlagworte:: Zeitschrift

ZLB-Systematik:: Informatik

Sammlung:: Informatik

Copyright:: Rechte vorbehalten

Zugriffsberechtigung:: Freier Zugang

Titel:: Journal of intelligent systems

Erschienen:: Berlin: de Gruyter

Fußnote:: Gesehen am 15.07.2021; Open Access; Namensnennung 4.0 International

Umfang:: Online-Ressource

ISSN:: 2191-026X

ZDB-ID:: 2598392-1

VÖBB-Katalog:: 35275778

Schlagworte:: Zeitschrift

ZLB-Systematik:: Informatik

Sammlung:: Informatik

Copyright:: Rechte vorbehalten

Zugriffsberechtigung:: Freier Zugang

Aufsatz

Verfasser:: AL-Gburi, Abbas Fadhil Jasim; Nazri, Mohd Zakree Ahmad; Yaakub, Mohd Ridzwan Bin; Alyasseri, Zaid Abdi Alkareem

Titel:: A systematic review of symbiotic organisms search algorithm for data clustering and predictive analysis

Erschienen:: Berlin: de Gruyter, 2024

Sprache:: Englisch

Zusammenfassung:: Abstract: In recent years, the field of data analytics has witnessed a surge in innovative techniques to handle the ever-increasing volume and complexity of data. Among these, nature-inspired algorithms have gained significant attention due to their ability to efficiently mimic natural processes and solve intricate problems. One such algorithm, the symbiotic organisms search (SOS) Algorithm, has emerged as a promising approach for clustering and predictive analytics tasks, drawing inspiration from the symbiotic relationships observed in biological ecosystems. Metaheuristics such as the SOS have been frequently employed in clustering to discover suitable solutions for complicated issues. Despite the numerous research works on clustering and SOS-based predictive techniques, there have been minimal secondary investigations in the field. The aim of this study is to fill this gap by performing a systematic literature review (SLR) on SOS-based clustering models focusing on various aspects, including the adopted clustering approach, feature selection approach, and hybridized algorithms combining K-means algorithm with different SOS algorithms. This review aims to guide researchers to better understand the issues and challenges in this area. The study assesses the unique articles published in journals and conferences over the last ten years (2014–2023). After the abstract and full-text eligibility analysis, a limited number of articles were considered for this SLR. The findings show that various SOS methods were adapted as clustering and feature selection methods in which CSOS, discrete SOS, and multiagent SOS are mostly used for the clustering applications, and binary SOS, binary SOS with S-shaped transfer functions, and BSOSVT are used for feature selection problems. The findings also revealed that, of all the selected studies for this review, only a few studies specifically focused on hybridizing SOS with K-means algorithm for automatic data clustering application. Finally, the study analyzes the study gaps and the research prospects for SOS-based clustering methods.

Umfang:: Online-Ressource

Fußnote:: Open Access; Archivierung/Langzeitarchivierung gewährleistet

Schlagworte:: symbiotic organisms search algorithm ; clustering ; classification ; feature selection ; systematic review

ZLB-Systematik:: Informatik; Sonstiges

URN:: urn:nbn:de:101:1-2024031214410669038002

Sammlung:: Informatik; Sonstiges

Copyright:: CC BY

Zugriffsberechtigung:: Freier Zugang

Verfasser:: AL-Gburi, Abbas Fadhil Jasim; Nazri, Mohd Zakree Ahmad; Yaakub, Mohd Ridzwan Bin; Alyasseri, Zaid Abdi Alkareem

Titel:: A systematic review of symbiotic organisms search algorithm for data clustering and predictive analysis

Erschienen:: Berlin: de Gruyter, 2024

Sprache:: Englisch

Zusammenfassung:: Abstract: In recent years, the field of data analytics has witnessed a surge in innovative techniques to handle the ever-increasing volume and complexity of data. Among these, nature-inspired algorithms have gained significant attention due to their ability to efficiently mimic natural processes and solve intricate problems. One such algorithm, the symbiotic organisms search (SOS) Algorithm, has emerged as a promising approach for clustering and predictive analytics tasks, drawing inspiration from the symbiotic relationships observed in biological ecosystems. Metaheuristics such as the SOS have been frequently employed in clustering to discover suitable solutions for complicated issues. Despite the numerous research works on clustering and SOS-based predictive techniques, there have been minimal secondary investigations in the field. The aim of this study is to fill this gap by performing a systematic literature review (SLR) on SOS-based clustering models focusing on various aspects, including the adopted clustering approach, feature selection approach, and hybridized algorithms combining K-means algorithm with different SOS algorithms. This review aims to guide researchers to better understand the issues and challenges in this area. The study assesses the unique articles published in journals and conferences over the last ten years (2014–2023). After the abstract and full-text eligibility analysis, a limited number of articles were considered for this SLR. The findings show that various SOS methods were adapted as clustering and feature selection methods in which CSOS, discrete SOS, and multiagent SOS are mostly used for the clustering applications, and binary SOS, binary SOS with S-shaped transfer functions, and BSOSVT are used for feature selection problems. The findings also revealed that, of all the selected studies for this review, only a few studies specifically focused on hybridizing SOS with K-means algorithm for automatic data clustering application. Finally, the study analyzes the study gaps and the research prospects for SOS-based clustering methods.

Umfang:: Online-Ressource

Fußnote:: Open Access; Archivierung/Langzeitarchivierung gewährleistet

Schlagworte:: symbiotic organisms search algorithm ; clustering ; classification ; feature selection ; systematic review

ZLB-Systematik:: Informatik; Sonstiges

URN:: urn:nbn:de:101:1-2024031214410669038002

Sammlung:: Informatik; Sonstiges

Copyright:: CC BY

Zugriffsberechtigung:: Freier Zugang

E-Pflicht Kooperationsprojekt "NP Regional"

Diese Publikation wurde im Rahmen des Kooperationsprojekts "NP Regional" von der Deutschen Nationalbibliothek übernommen. Sie fällt unter die E-Pflicht (Elektronische Pflichtpublikationen in Berlin).

Zugriffsbeschränkung

Nutzungslizenz

Dateien

Zeitschrift

Aufsatz

Formate und Verlinkungen

Formate

Zitieren

Ganzer Datensatz

Zitierempfehlung